WS 2026/27

n8n: Workflows und Agenten

Vom ersten Datenfluss zur festen Regel
Prof. Dr. Jan Kirenz | Agentic AI für Growth Marketing | HdM Stuttgart

Chat, Anweisungen, Workflow, Agent: vier Stufen mit wachsender Selbstständigkeit

Stufe 1

Chat

Ein Mensch stellt eine Aufgabe und führt den Dialog. Jede Anfrage von Hand.

Stufe 2

Wiederverwendbare Anweisungen

Regeln und Wissen werden getrennt von der aktuellen Eingabe gepflegt und jedes Mal mitgegeben.

Stufe 3

Workflow

Der Ablauf ist vorgegeben. Ein Modell übernimmt einzelne Aufgaben darin, entscheidet aber nicht über den Ablauf.

Stufe 4

Agent

Das Modell wählt innerhalb gesetzter Grenzen Werkzeuge oder nächste Schritte selbst.

Eine LLM Chain mit festem Prompt ist noch kein Agent

Ein Agentenknoten allein beweist auch keinen sinnvollen Entscheidungsspielraum. Entscheidend sind die tatsächlichen Werkzeugaufrufe im Laufprotokoll und der Nutzen im Vergleich mit einer einfacheren Lösung.

Architekturgrundlage: Anthropic, „Building effective agents“. Link im Werkzeugkasten.

Ein Knoten ist ein Arbeitsschritt, eine Verbindung reicht Daten weiter

Ein Workflow in n8n besteht aus Knoten und Verbindungen. Ein manuell gestarteter Lauf verarbeitet zunächst genau einen Kontakt. Die Ausgabe jedes Knotens ist im Ausführungsprotokoll sichtbar.

Platzhalter wie { $json.anliegen } greifen auf ein Feld des aktuellen Elements zu. Das sind Feldzuordnungen, keine Programmierung.

Der Starter hat vier Knoten und ein Modell

Erster Erfolg in fünf Minuten: Variante 00 ohne KI

  1. Starterpaket als ZIP von der Kursseite laden und entpacken.
  2. In n8n einen neuen Workflow öffnen, im Menü „Import from File“, die JSON-Datei von Variante 00 wählen, unter eigenem Namen speichern.
  3. „Execute Workflow“ klicken. Der vorgefüllte Kontakt läuft durch eine feste Regel bis zur Ausgabe.
  4. kontakt_erlaubt von ja auf nein ändern, erneut ausführen, die beiden Pfade vergleichen.

Dafür wird weder eine Modell- noch eine Datenbankverbindung gebraucht. Jede Referenz hat eine gleichnamige Anleitung.

Sechs Referenzen, empfohlene Reihenfolge 00, 01, 02

Referenz Einsatz Knoten
00 Ohne KI Erster Lauf, Daten und feste Regel 5
01 Starter Montag gemeinsam bauen 5
02 Struktur und Sperre Dienstag und Mittwoch ausbauen 9
04 CRM lesen Optionaler Datenbankeinstieg ohne KI 7
05 CRM und KI Datenbankabruf und strukturierter Entwurf 13
03 Agentenvergleich Kurze Lehrdemo, optional vertiefen

Alle Exporte sind inaktiv und enthalten keine Zugangsdaten. Bei den KI-Varianten die vorbereitete Verbindung im Knoten Kursmodell wählen, bei den CRM-Varianten zusätzlich die Postgres-Verbindung „Aurenta – Übungsfall (Lesen)“.

Ausbau

Die Kontaktsperre ist eine feste Regel vor dem Modell

Ein If-Knoten lässt nur kontakt_erlaubt = ja zum Modell. Bei nein, leer oder unbekannt entsteht kein_followup mit leerem Entwurf. Der Modellknoten wird in diesem Zweig nicht berührt.

Im Simulator auf „02 Struktur und Sperre“ umschalten und K-05 ausführen: Der Token nimmt den Nein-Zweig, das Kursmodell bleibt aus.

Ein Output Parser prüft Struktur, keine Wahrheit

Was der Parser leistet

  • erzwingt das Schema: entscheidung, begruendung, material_id, nachricht_entwurf, offene_punkte
  • Felder einzeln übernehmbar, etwa { $json.output.entscheidung }
  • ein Parserfehler stoppt den Lauf statt Unsinn weiterzureichen

Was er nicht leistet

  • ein gültiges Schema beweist keine fachliche Passung
  • „erstgespraech“ kann formal korrekt und inhaltlich falsch sein
  • dafür gibt es die Testfälle und die menschliche Prüfung

Ein Agent wählt Werkzeuge, der Workflow nicht

Workflow (Referenz 02)

  • Reihenfolge steht fest
  • das Modell bekommt immer dasselbe Material
  • einfach zu prüfen: gleiche Eingabe, gleicher Weg

Agent (Referenz 03)

  • zwei lesende Wissenswerkzeuge: Leistungswissen, Lernmaterial
  • das Modell wählt je nach Anliegen, welches es aufruft
  • prüfbar nur über das Laufprotokoll: Welches Werkzeug wurde aufgerufen, trägt sein Inhalt die Antwort?

Demo: K-02 und K-03 getrennt ausführen. Höchstens drei Agenteniterationen, die Kontaktsperre bleibt vorgeschaltet. Die Werkzeuge sind fertig, ihre Programmierung ist keine Aufgabe.

Wenn ein Lauf nicht funktioniert: sechs Befunde, sechs Prüfschritte

Beobachtung Nächster Prüfschritt
Verbindung fehlt Vorbereitete Credential im Kursmodell auswählen, keine Schlüssel im Prompt
Kontingent oder Modell nicht verfügbar Lehrperson informieren, Fehlermeldung ohne Geheimnisse dokumentieren
Leeres Anliegen im Prompt Schreibweise und Feldzuordnung im Kontakt-Knoten prüfen
Falsche Kontakt-ID Alle Felder des Falls und die Zuordnung im letzten Knoten prüfen
Parserfehler Tatsächliche Ausgabe ansehen, Schema nicht umgehen, Fehler nicht als Erfolg ablegen
Formal korrekt, fachlich falsch Regel, Material und Anliegen anhand eines Testfalls vergleichen

Fällt die Modellverbindung aus, geht die fachliche Arbeit im Chat weiter

Anweisungen, Fallpaket und genau einen Kontakt in einen neuen Chat einfügen, nach denselben Kriterien prüfen, in die Prüfablage übertragen, mit dem Hinweis „manuelle Simulation“.

Damit ist die fachliche Arbeit dokumentiert, aber keine n8n-Ausführung nachgewiesen. Der vollständige Lauf wird nachgeholt. Zeitwerte einer Simulation gelten nicht als automatisierter Betrieb.

Übung 1.4: Der erste eigene Workflow

Vor der Pause: Neuen Workflow mit Manual Trigger und Edit Fields anlegen, die sieben Felder von K-01 eintragen, ausführen. Zwischenziel: Alle Felder kommen in der Ausgabe an.

Nach der Pause: Basic LLM Chain anhängen, Kursmodell wählen, den n8n-Prompt einfügen, Felder zuordnen. Dahinter ein zweites Edit Fields mit Empfehlung, Entwurf und freigabe = offen.

Prüfung: Kommt das richtige Anliegen beim Modell an? Bleibt die Kontakt-ID erhalten? Steht freigabe unabhängig von der Modellausgabe auf offen? Keine Versandaktion?

Nach jedem Lauf Rollen wechseln. Jede Person ändert mindestens einmal ein Feld oder eine Regel.